在授信业务里，徵信调查往往是风险控管的核心，但也是最耗时、最“啃细节”的环节。以玉山银行为例，企业放款规模超过1兆元，每年法金团队要重新审视往来企业的信用与财务状况：资料分散、人工搜集费工，且写一份徵信报告动辄十多个小时——经验不足的新手甚至要超过20小时，相当于至少三天才能交出一份报告初稿。更麻烦的是，不同经办人的写作标准不一，分析深度和风险判断高度依赖个人经验，导致反复修改和来回沟通成本居高不下。
为把“人找资料、人工写报告”彻底改造，玉山金控从2023年起进入深度整合阶段，并把生成式AI作为落地目标场景。法金与智金团队联手花了一年多时间，自研多款工具，把徵信作业拆解成6个关键阶段：外部资料蒐集、内部历史资料汇整、数据分析、用GAI生成初步报告、人工作业调整与补充深度。工具端一共配了4项核心能力，并直接嵌入法金日常系统，让RM无需频繁切换。
其中，iCatcher结合网络爬虫与API串接，能在约5分钟内汇整企业外部信息（公司基本资料、沿革、经营团队、公司动态、重大讯息、负面新闻与诉讼等）。当外部信息“先跑通”，下一步是把内部与公开财务数据结构化：玉山把生成式AI与传统OCR结合，用来自动彙整财务报表，替代大量手工录入。随后，智能徵信报告工具“智捷通”只需约7分钟，就能依据授信5P原则生成徵信报告初稿，交由RM审阅后完成最终版本。过去一到两天的资料处理与撰写，现在可压缩到2到3小时；同时，新手RM还能把AI初稿当作学习蓝本，逐步补齐“老手才看得出来”的复杂风险洞察。
不过，玉山没有只追求“生成速度”。最后上线的“AI提示家”扮演“影子审查员”：内建高质量报告的分析重点与审查主管关注的风险项，能在RM完成后提前指出可能疑问并给出改进建议，从源头降低分行与总行审查来回沟通。
更关键的是，玉山把隐性知识显性化：用提示词（Prompt）把专家经验结构化，并建立质量检核体系。通过LLM质量指标评估完整度、正确性与忠实度（如Faithfulness），再让真人专家验证，形成反复迭代的品控闭环。
据估算，iCatcher与智能徵信生成工具上线后，光是蒐集与识别能力即可支撑高频作业：月均支援数千次辨识、产出千份初版报告，年可节省约8.4万个个人工时。玉山真正做到的，是把徵信流程从“单向接单”变成“共创迭代”：业务端用专业标准验收，技术端用提示工程持续升级，平均每轮迭代约三周，越做越贴近实务需求。
